gpt-image-2

GPT Image 2 — Pro Pack on RunComfy

runcomfy.com · Text-to-image · Edit · GitHub

OpenAI GPT Image 2（ChatGPT Images 2.0）托管在 RunComfy Model API 上——无需 OpenAI 密钥，异步 REST。

npx skills add agentspace-so/runcomfy-skills --skill gpt-image-2 -g

何时选择此模型（与其他模型对比）

GPT Image 2 的独特优势在于指令精确性：它能更可靠地遵循多元素提示、布局提示和嵌入文本指令。当画布上的内容比风格化外观更重要时，选择它。

您想要	使用
嵌入文本、徽标、标牌、多语言排版	GPT Image 2
品牌安全、电商/广告/UI 模型图像	GPT Image 2
保持构图稳定的迭代优化	GPT Image 2
重度风格化、绘画感	Flux 2
超写实肖像	Nano Banana Pro
电影感/美学优先的主打图	Seedream 5

如果用户明确要求 GPT Image 2 / ChatGPT Image 2 / Image 2，则直接路由至此，不要质疑模型选择。

前提条件

1. RunComfy CLI — npm i -g @runcomfy/cli
2. RunComfy 账户 — runcomfy login 会打开浏览器设备码流程。
3. CI/容器 — 设置 RUNCOMFY_TOKEN=<token> 代替 runcomfy login。

端点 + 输入模式

两个端点，同一模型。

openai/gpt-image-2/text-to-image

字段	类型	必填	默认值	说明
prompt	string	是	—	正向提示词
size	enum	否	1024_1024	1024_1024（1:1）、1024_1536（2:3 竖屏）、1536_1024（3:2 横屏）——仅此三种

openai/gpt-image-2/edit

字段	类型	必填	默认值	说明
prompt	string	是	—	自然语言编辑指令
images	string[]	是	—	最多 10 张参考图片 URL（可公开获取的 HTTPS）
size	enum	否	auto	auto（保持输入比例），或上述三种固定尺寸之一

编辑时 size=auto 保持输入宽高比——除非编辑明确改变构图，否则强烈推荐。

如何调用

文本转图像：

runcomfy run openai/gpt-image-2/text-to-image \
  --input '{"prompt": "<用户提示>", "size": "1024_1536"}' \
  --output-dir <绝对路径>

编辑（单张参考图）：

runcomfy run openai/gpt-image-2/edit \
  --input '{
    "prompt": "<编辑指令>",
    "images": ["https://..."]
  }' \
  --output-dir <绝对路径>

编辑（多张参考图，最多 10 张）：

runcomfy run openai/gpt-image-2/edit \
  --input '{
    "prompt": "将图像 1 中的主体合成到图像 2 的房间中；匹配图像 2 的光照",
    "images": ["https://...subject.jpg", "https://...room.jpg"]
  }' \
  --output-dir <绝对路径>

CLI 提交请求，每 2 秒轮询直到终止，然后将结果中的任何 *.runcomfy.net / *.runcomfy.com URL 下载到 --output-dir。标准输出为结果 JSON。标准错误为进度信息。

适用于管道的用法：

runcomfy --output json run openai/gpt-image-2/text-to-image \
  --input '{"prompt":"..."}' --no-wait | jq -r .request_id

提示技巧——实际有效的方法

以下是模型特定的模式，经验证可提高输出质量。同样适用于文本转图像和编辑。

明确说明主体 + 场景 + 氛围。 "A close-up of a matte ceramic water bottle on warm linen, soft window light, neutral background"（暖亚麻布上的哑光陶瓷水瓶特写，柔和窗光，中性背景）——三个具体指令——优于 "nice product photo of a bottle"（瓶子好看的产品照片）。

精确引用嵌入文本。保持简短。 GPT Image 2 是此类模型中文本渲染最强的，但前提是将文字字符放在引号中。长文本块会降低质量。对于多语言文本，指明文字类型："Japanese kana"（日语假名）、"Cyrillic"（西里尔字母）、"Arabic right-to-left"（阿拉伯语从右到左）。

直接使用构图提示。 "rule of thirds"（三分法）、"close-up"（特写）、"aerial view"（鸟瞰）、"centered subject"（主体居中）、"shallow depth of field"（浅景深）——这些对模型有学习到的含义。

一次只迭代一个属性。 优化时，每次只改变一个属性（光照或背景或姿势或文本），保持提示其余部分不变。模型在只改变一个变量时能保持构图稳定。

不要冲突的指令。 "no text"（无文本）+ "the word 'AQUA+' on the label"（标签上的单词 'AQUA+'）是不连贯的——模型会选择一个，你无法控制哪个。

不要堆砌风格。 "ukiyo-e + watercolor + 8K + cinematic + minimalist"（浮世绘 + 水彩 + 8K + 电影感 + 极简）会相互抵消。最多选择一两个风格锚点。

对于编辑端点，特别提示：

• 说明保留目标。 "keep the person's pose and face identity unchanged"（保持人物的姿势和面部特征不变）、"keep the brand mark and typography on the package"（保持包装上的品牌标志和排版）、"keep the overall framing"（保持整体构图）。模型需要知道什么不能改变。
• 对空间编辑使用方向性语言。 "Move the headline from top-right to bottom-center"（将标题从右上角移至底部中央），而不是 "reposition the headline"（重新定位标题）。
• 多参考图：在提示中给图像编号——"subject from image 1, lighting and background from image 2"（图像 1 的主体，图像 2 的光照和背景）——模型会正确路由提示。

适用场景

用例	为什么选择 GPT Image 2
电商产品摄影	标签上的文本可靠，品牌安全的光照，SKU 间一致
高转化率广告	标题与视觉一次集成
品牌资产本地化	一个源资产 → 同一标题的多种语言变体
标牌、海报、包装模型	多尺度文本渲染精度
UI 模型、科学插图	布局精度和标签可读性

示例提示（已验证可产生强结果）

文本转图像——产品主打图：

A minimal hero product still life: a matte ceramic water bottle on warm linen,
soft window light, the word "AQUA+" in clean sans-serif on the label,
subtle rim highlights, e-commerce ready, 8K detail, neutral background

文本转图像——多语言标牌：

A small Tokyo café storefront at dusk, warm interior glow,
the sign reads "コーヒー" in bold Japanese kana on a wooden plaque,
shallow depth of field, rule of thirds, cinematic

编辑——背景替换并保留主体：

Turn the background into a bright minimal white-to-soft-gray studio sweep
with gentle floor shadow; add a large headline in-image that reads
"OPEN STUDIO" in a bold clean sans-serif, high contrast, centered;
keep the main person or product, pose, and face identity unchanged

限制

• 文本转图像仅 3 种固定尺寸（编辑时相同 3 种 + auto）。极端宽高比会自动调整为最接近的受支持尺寸。
• 提示长度约几千个 token。长文本块会降低输出质量。
• 编辑的多图像支持是“来自最多 10 张参考图的指导”，而非 ControlNet 式堆叠。第一张图像被视为主要图像，其余提供辅助提示。
• 肖像照片写实并非其最强项——Nano Banana Pro 在这方面更胜一筹。

退出码

runcomfy CLI 使用 sysexits 风格码：

码	含义
0	成功
64	CLI 参数错误
65	输入 JSON 错误/模式不匹配（例如 size: "2048_2048" 会返回 422）
69	上游 5xx 错误
75	可重试：超时/429
77	未登录或令牌被拒绝

完整参考：docs.runcomfy.com/cli/troubleshooting。

工作原理

1. 技能调用 runcomfy run openai/gpt-image-2/<endpoint>，并传入符合上述模式的 JSON 体。
2. CLI 向 https://model-api.runcomfy.net/v1/models/openai/gpt-image-2/<endpoint> 发送 POST 请求，携带用户的 bearer 令牌。
3. Model API 返回一个 request_id；CLI 每 2 秒轮询 GET .../requests/<id>/status。
4. 状态变为终止时，CLI 获取 GET .../requests/<id>/result，并将主机名以 .runcomfy.net 或 .runcomfy.com 结尾的任何 URL 下载到 --output-dir。其他 URL 仅列出但不获取。
5. 轮询期间按 Ctrl-C 会发送 POST .../requests/<id>/cancel，这样您就不会为已停止的 GPU 付费。

此技能不是

不是直接的 OpenAI API 客户端。不是能力授权——依赖于有效的 RunComfy 账户。不是多租户。

安全与隐私

• 令牌存储：runcomfy login 将 API 令牌写入 ~/.config/runcomfy/token.json，权限为 0600（仅所有者读写）。在 CI/容器中设置 RUNCOMFY_TOKEN 环境变量可完全绕过文件。
• 输入边界：用户提示通过 --input 作为 JSON 字符串传递给 CLI。CLI 不会对提示进行 shell 扩展；它直接将 JSON 体通过 HTTPS 传输到 Model API。提示内容无 shell 注入风险。
• 第三方内容：您传递的图像/蒙版/视频 URL 由 RunComfy 模型服务器获取，而非您机器上的 CLI。将外部 URL 视为不可信；基于图像的提示注入是任何图像编辑/视频编辑模型的已知风险。
• 出站端点：仅 model-api.runcomfy.net（请求提交）和 *.runcomfy.net / *.runcomfy.com（生成输出的下载白名单）。无遥测，无回调。
• 生成文件大小上限：CLI 会中止任何超过 2 GiB 的单个下载，以防止恶意或失控模型输出导致磁盘填满。